主成分分析，成分标签？

Question

我有一个数据框，其中有17列（一个基因的每一列）和34行（一个病人的每一行）

Patient EXO1 MLH1 MSH2 MSH3 MSH6 PCNA PMS1 PMS2 POLE POLE2 POLE3 POLH RFC2 
1651109    0    0    1    1    1    1    1    1    1     0     1    0    0      
1651648    0    1    1    1    1    0    1    0    1     0     0    1    1  
........

数据框的名称为testdb 。 然后我跑

res=princomp(testdb);  
summary(res);

那表明

Importance of components:  
                          Comp.1    Comp.2    Comp.3     Comp.4     Comp.5  
Standard deviation     0.6577676 0.4757815 0.4138278 0.39002636 0.37679135  
Proportion of Variance 0.2822533 0.1476757 0.1117206 0.09923892 0.09261812  
Cumulative Proportion  0.2822533 0.4299290 0.5416497 0.64088859 0.73350672  
....

名称是comp.1 comp.2 comp.3 ....这太愚蠢了。如何将名称映射回基因名称？ 我知道biplot(res)将在输出图上打印一些基因，但这显然不是获取基因名称的正确方法。

Answer 1

尽管大多数内容已在评论中说明，但我正在将其转化为答案。

主成分分析的成分是原始变量的线性组合。 因此，成分和基因之间没有一对一的映射。 除特殊情况外，每个成分都描述多个基因。 他们中有些人有积极贡献，有些人则有负面贡献。 有些具有较大的绝对值，有些则具有较小的绝对值。 您可以从加载矩阵中看到这些贡献：输入loadings(res) ，您将看到每个组件的组成。

您可以在上样矩阵的列中找到具有最大绝对值的基因。 这样，您就可以确定每个组件的“主要贡献者”。 但是除非这种贡献非常接近，否则将其作为基因的代名词充其量只会产生误导。 如果要根据单个基因进行分析，则PCA并不是正确的工具。

如果您确定尽管有上述警告，但仍希望“主要贡献者”，则可以使用以下代码进行操作：

l <- loadings(res)
rownames(l)[apply(l, 2, function(x) which.max(abs(x)))]